Download presentation
Presentation is loading. Please wait.
1
语言文字学对数学的应用 文学院 王 宁
2
前言 中国传统的汉字学称作“小学”,是为了解读古代经典服务的应用性比较强的一门学科。书法兴起后,人们开始关注书写问题,只是用文学的词语来描写字体与书体的风格,鉴赏书家的艺术。信息时代汉字成为传播信息的最重要的工具,汉字学必须成为一门科学。汉字科学需要数学的思维,或者换句话说,没有数学,汉字学不可能成为科学。语言和文字都是符号系统,但是语言文字不是纯数理性的符号,语音不是只有物理性,它是诉诸人的感觉的心理反映;汉字也不是几何图形,它携带意义,而意义不但来自人的心理认知,还具有社会性。人文科学是科学,但是与自然科学还是有区别的。在这种情况下,语言文字学如何运用数学走向真正的科学?能够这样做吗?怎么做才能不损伤它的人文性?
3
已经做了和还没有做的事情 其实,很多事已经做了。比如:汉字进入计算机,要解决输入和输出的问题。周有光先生牵头研制的拼音方案,解决了用音码输入的问题。但是,音码的最大问题是重码,选择适用字的几率太高,影响速度,浪费眼神。词输录也解决不了这个问题。Renshi这两个音节就有14个词和固定短语。研制形码,减少重码,关键是计算。又比如:汉语是词根语,字与词没有形式上的差别,自然语言进入计算机以后,句子消歧的任务很大,解决的关键也是计算。
4
简繁字转换中的问题 齣--出,“齣”是不组词的自由语素。齣,专用做量词。前面有数词和指代词,但“出来”的“出”前面也有有量词“一”和极个别其他量词的时候: 一出去就不回来 太阳一出来天就亮了 六出祁山
5
“齣”仅用做“戏”的量词,但“戏”字经常不出,或与“齣”的距离不定:
演了一齣好戏 这是一齣人人都喜欢看的戏 看了一齣又一齣……车夫在外面等散戏。 一齣是一齣 三勝問李會民:“您這給我唱的是哪一齣?”
6
要计算它的鉴别字有哪些——也就是之出现在“齣”字句不出现在“出”字句的字是否有?有多少?是什么?例如“唱”“戏剧”等。
这些字离“齣”有多远? 如果鉴别字不足够或距离太远,就不能用语境鉴别法。
7
周有光:覆盖率递减律 字种数 增加字数 合计字数 覆盖率 1000 1000 90.000% 1000 1400 2400 99.000%
字种数 增加字数 合计字数 覆盖率 % % % % %
8
语委平衡语料库覆盖率动态数据图(王晓明制作)
9
国家语委平衡语料库覆盖率统计 增加字数 参入字数 覆盖语料比例 247 60.13406215 120 387 70.49867898
增加字数 参入字数 覆盖语料比例 语料库不重复总字数8288
10
国家语委现代汉语平衡语料库:不重复用字8288个,达到临界点后的字量为2879-2975个
北京语言大学动态流通语料库:不重复用字7697字,达到临界点的字量为 个 科学普及综合语料库:不重复用字量5992字,达到极值点的字量为 个 由此可以看出,在不同数量的语料库里,大约有将近3000字是常用的。 不同语料库所用的字有所不同,将三个语料库在临界点范围内的字合并,去除重合字,得到并集,共计3169个汉字。这个数据说明,常用字的实际字量,应当在3200左右。
11
《规范汉字表》一级字确定的基本方法 将三个基础语料库在极值点范围内的字合并,去除重合字,得到合集,共计3169个汉字。
因语料库的语料都有一定局限,为满足教育基本用字的实际需要,并保持大家已经习惯了的3500常用字的常数,通过与老3500常用字、台湾中研院简体平衡语料库的前3500高频字、语文教材前3500高频字比对,补充到3500字。
12
二级字选定的基本方法 首先从三个基础语料语料库中,分别选取其覆盖率小于99.99%的字集,去除重合字,得到合集6598字。从这个字集中减去进入一级字表的3500字,再排除异体字、非字部件等,余下的字为2885字。 =6385字,6385可能是一般社会通用字的下限。 为防止因语料库的局限而形成的遗漏现象,再对这个字集进行一定的补充,补收115字。补充的原则是:①尽量缩小与原7000通用字的距离;②尽量满足现代汉语常用词的用字;③尽量考虑与台湾通用字缩小距离。
13
数学思维在语言文字基础理论建设中的运用 基础理论要解决基本规律问题。哪些是规律?哪些是个性?在人文科学里是必须分清的。规律可以形成规范,而规范不能限制个性。初学入门必须有规范,一旦成熟就要在规范中突出个性。 汉字是记录汉语的符号,形、音、义、用、码是现代汉字的五大属性。汉字先有了自己的记录语言的实用价值,才进入艺术的大门,形成书法,有了审美的价值。因此,研究汉字的第一个角度应当是汉字科学,第二个角度才是汉字艺术学或汉字美学。书写的汉字学是连接汉字科学与汉字艺术的纽带 。
14
左右结构汉字避就空间比例1 笔画 7:17;3:17;3:17;17:5 空间 7:12;3:7; 3:6.6; 17:18.2
笔画 7:17;3:17;3:17;17:5 空间 7:12;3:7; 3:6.6; 17:18.2 4:6; 3:7; 3:7; 4.5:5.5 笔画 3:17; 3:3; 3:3 ; 3:2 空间 3:6.2; 3:3.5; 3:3.2; 3:3.5 3.5:6.5; 5: 5 ; 5:5; 5:5 笔画 3:2; :2; 5:2; 5:2 空间 1.2:2; 0.5:2;1:2; 1.7:2 3.5:6.5;3:7;3.5:6.5;4.5:5.5 笔画 3:2; 3:3; 3:3; 3:3 空间 3:6.7;3:7.1;3:6.5;3:7.4 3:7; 3:7; 3:7; 3:7
15
左右结构汉字避就空间比例2 笔画 12:3; 9:3; 6:4:3;3:9 空间 6:3; 3.9:3; 5.2:3; 3:4.1
笔画 12:3; 9:3; 6:4:3;3:9 空间 6:3; :3; 5.2:3; 3:4.1 6.5:3.5;6:4;6:4; 4:6 笔画 14:4; 9:4; :4 空间 4.7:4; 4.8:4; 4.8:4 5.5:4.5;5.5:4.5;5.5:4.5 笔画 4:4; 3:3; 3:3 空间 4:4.9; 3:6; 3:4 4.5:5.5;3:7;4.5:5.5
16
左右结构汉字避就空间比例3 5:5; :5; :5; : 5.5 4.5:5.5;4.5:5.5; 5:5; :5.5
17
左右结构汉字部件避就空间比例的规律 汉字笔画对占有空间的影响,只有在增加到一定范围内,才起作用。
左右结构汉字部件避就的规则是:左避右的比例,大于右避左的比例,汉字整体的空间分配时右大左小。 两边部件的构图模式,是决定避让微观尺度的关键:侈与敛、放与围、纵与横。 确立书写自然美化的幅度
18
量化与汉字史研究 汉字史不是单个汉字发展变化的简单相加,而是由汉字构形系统的总体发展决定的。 汉字在乱与整、冗与简的矛盾斗争中发展。
量化是科学汉字史必要的手段之一。
19
汉字构形分析 纯粹依形分析 颖 完全依理分析 颖 匕 匕 页 页 禾 禾 关 靡 腐
20
拆分顺序的变化所引起的结果 多出977个不成字(正篆没有的)过渡部件 部件关系呈交叉状态 把过渡部件减少到最少
部件关系除8、7两级以外,均呈包容关系 8级—7级超出20个, 7级—6级 超出105+20个 =125个 1级—2级 — 3级呈交叉关系
21
理论上的说明 《说文解字》小篆是经许慎整理过的理想化的汉字构形系统,它的编制规则反映了汉字表意的特点。汉字是以形义统一的原则构成系统,必须加入意义的因素,系统才有规律,才能保持字与字之间远近不一的、相互包容的关系。
22
东汉许慎构建的汉字系统 《说文》用不到总体3%(2.7%)的基础构件层层搭建出一个严密的构形系统。大多数正篆都是由2个直接构件以义音结合的方式组成,这两个直接构件又是由2-6个基础构件组成。
23
甲骨文与小篆的属性比较 第一,从1380个已释甲骨文中,归纳出标准形位(基础部件)412个,但它的形位变体就有3498个,非字形位的比例也大大高于小篆。小篆中归纳出的形位(基础部件)是422个,但他的构字总量却是9431个(大徐本实际字数)。这充分说明,与小篆相比,甲骨文字形不固定,形位的构字率很低。
24
第二,在甲骨文的构形模式中,形声字只占21%强,纯会意字不足10个,占7%,而独体象形、合体象形字却高达734个,占到72%,这就说明,甲骨文的部件参构时的功能以表形为主体。直接与语言挂钩的表音、表义功能尚未得到充分的发挥。 第三,甲骨文的结构过程87.5%都是平面组合,层次组合只有12.5%,比例相当低。这又进一步说明了,甲骨文不但部件的功能以表形为主导,而且结构的方式也是图形式的。
25
对语言文字合理量化的特点 不是任何数字都有用,在人文现象研究中,也不是越精确越有用。量化一旦违背了人文性,就掩盖了很多事实,把人文现象简单化,不再有余地去探讨个性,也没有了是非和评价。 现象重复出现才有规律在内(个人风格和社会现实)。现象持续出现才可以利用来说明问题(动态——临时态和稳态)。要有足够的事实才能显示规律。 人文科学的统计一般应当积累精确的个体数据,采用定类、定级、定域(限)的方法通过定量来定性。
26
请 批 评 指 正 !
Similar presentations